La IA en salud pública avanza en el Norte, pero la evidencia clínica exige cautela para América Latina

El despliegue de inteligencia artificial en salud pública se acelera en Estados Unidos y Europa, pero dos frentes paralelos —la publicación de un estudio que demuestra las limitaciones clínicas de los grandes modelos de lenguaje y la aparición de un kit de evaluación para América Latina— ponen sobre la mesa una advertencia para la región: la preparación institucional y la supervisión médica son condiciones que no pueden obviarse.

El gobierno español firmó un convenio de 12,8 millones de euros para incorporar IA en la sanidad pública de la Comunidad de Madrid, con foco en monitorización remota de crónicos, detección precoz y ayuda al diagnóstico, especialmente en atención primaria. El programa beneficiará a más de 155.000 pacientes al año y se enmarca en una inversión nacional de 223 millones de euros hasta 2029. Por su parte, en Estados Unidos, la Coalición para la Salud con IA (CHAI) lanzó PULSE, un programa que dará acceso a herramientas de OpenAI y Anthropic a 2.000 profesionales de salud pública en diez jurisdicciones locales, tribales o territoriales. Los casos de uso incluyen biovigilancia, análisis de determinantes sociales de la salud, traducción multilingüe y recuperación automatizada de datos clínicos.

Sin embargo, el mismo ecosistema que impulsa estos pilotos produce evidencia que obliga a moderar las expectativas. Un equipo de investigadores estadounidenses publicó en JAMA Network Open los resultados de evaluar 21 modelos de lenguaje —entre ellos ChatGPT, Gemini y Grok— en tareas de diagnóstico clínico. Analizaron más de 16.000 respuestas y hallaron que, aunque los modelos se desempeñan razonablemente bien en el diagnóstico final, fallan de forma significativa en la elaboración del diagnóstico diferencial, una de las fases más críticas del razonamiento médico. Sus autores concluyen que estos sistemas “todavía no son fiables como sustitutos de los médicos” y que su uso clínico requiere supervisión humana rigurosa. La médica de familia Susana Manso, miembro del grupo de IA de la Sociedad Española de Medicina de Familia, subrayó en su análisis del estudio que “a pesar de los avances, los modelos aún presentan limitaciones importantes en la gestión de la incertidumbre”.

América Latina se encuentra en una posición particular. La Organización Panamericana de la Salud (OPS) y el Banco Interamericano de Desarrollo (BID) lanzaron recientemente un “Kit de herramientas de evaluación de la preparación para la integración de la IA en la salud pública”. La versión 2.0 de esta guía —que cuenta con apoyo de AECID, USAID y el gobierno de Canadá— propone un enfoque estructurado para que los países evalúen su estado en gobernanza, infraestructura de datos, calidad de la información, capacidad del personal sanitario, marcos regulatorios y sostenibilidad financiera antes de implementar proyectos de IA. En la presentación del kit, la directora de la OPS, Jarbas Barbosa, afirmó que “la adopción de la IA en la salud pública es un esfuerzo colectivo para garantizar que nadie se quede atrás”, mientras que el presidente del BID, Ilan Goldfajn, señaló que “el fortalecimiento de las instituciones, la inversión en datos y, lo más importante, en las habilidades de las personas, serán fundamentales para cosechar los beneficios de la IA”.

El contraste es elocuente. Mientras los países desarrollados avanzan con pilotos que ya enfrentan el escrutinio de la evidencia, los sistemas de salud latinoamericanos tienen ante sí la oportunidad de saltar etapas —pero también el riesgo de implementar sin las bases adecuadas. El kit de la OPS/BID aborda dimensiones como la conectividad, los recursos informáticos, los estándares de interoperabilidad y la anonimización de datos, que en la región suelen ser débiles. Además, el estudio de JAMA recuerda que incluso con modelos avanzados, la supervisión humana no es negociable. Para los ministerios de salud y las gerencias de tecnología sanitaria en América Latina, la lección es clara: la IA puede mejorar la vigilancia epidemiológica, optimizar la gestión de recursos y personalizar la atención, pero solo si se invierte primero en gobernanza, calidad de datos y capacitación del personal.

El programa PULSE en EE. UU. y el convenio madrileño son señales de que la IA en salud pública ya no es un experimento de laboratorio. Sin embargo, como advierte la propia CHAI, “cada transformación tecnológica triunfa o fracasa según la confianza, la gobernanza y la ejecución”. Para América Latina, esa tríada es hoy más relevante que nunca: sin confianza pública, sin marcos regulatorios sólidos y sin capacidad de ejecución, los beneficios de la IA podrían concentrarse en quienes ya están mejor preparados, ampliando la brecha sanitaria.